NVIDIA 認證課程-使用擴散模型的生成式人工智慧

NVIDIA 認證課程

使用擴散模型的生成式人工智慧
Generative AI with Diffusion Models

由於計算能力的提升和科學理論的進步，生成式人工智慧(Generative AI)比以往任何時候都更容易取得。生成式人工智慧在各行各業都扮演著重要的角色，應用範圍廣泛，包括創意內容生成、資料擴充、模擬與規劃、異常偵測、藥物發現、個人化推薦等等。在本課程中，學習者將深入探討去噪擴散模型，該模型是文字轉圖像管道的熱門選擇。

學習目標

通過參與本工作坊，您將：

構建一個 U-Net 模型，從純雜訊生成圖像。
利用去噪擴散過程提高生成圖像的品質。
利用上下文嵌入控制圖像輸出。
使用對比語言-圖像預訓練（CLIP）神經網路，從英文文字提示生成圖像。

實作坊大綱

時程	程序項目
15 分鐘	概覽認識講師在 learn.nvidia.com/join 建立帳號
60 分鐘	從 U-Net 到擴散模型構建一個U-Net，即一種圖像自編碼器學習轉置卷積來放大圖像學習非序列化的神經網路和殘差連接嘗試向 U-Net 注入雜訊來生成新圖像
15 分鐘	休息時間
90 分鐘	擴散過程瞭解如何使用前向擴散過程 (DDPM) 創建一系列雜訊越來越大的圖像瞭解如何在雜訊生成序列中向前跳過以加快網路訓練 (DDIM) 使用貝葉斯定理去除圖像中的雜訊以進行反向擴散過程
60 分鐘	休息時間
60 分鐘	通過上下文進行控制瞭解如何通過添加上下文嵌入來更改擴散過程的輸出添加額外的模型優化，例如正弦位置嵌入高斯誤差線性單元（GELU）啟動函數注意力機制
60 分鐘	使用 CLIP 將文本轉換為圖像循序解析 CLIP 架構，瞭解它如何將圖像嵌入與文本嵌入關聯起來使用 CLIP 來訓練文本到圖像的擴散模型
15 分鐘	休息時間
60 分鐘	當下領先的模型瞭解多種目前最先進的生成式 AI 模型，並將它們與課上所學的概念關聯起來討論提示工程以及如何更好地影響生成式 AI 模型的輸出
60 分鐘	評估與Q&A 回顧學習重點並回答問題。完成測驗並取得認證。填寫實作坊調查問卷。

實作坊詳情

時間： 8 小時

必備基礎能力：

對深度學習概念有基本的理解。
熟悉深度學習框架，例如 TensorFlow、PyTorch 或 Keras。本課程使用 PyTorch。

使用的工具、函式庫、框架： PyTorch、CLIP

認證證書： 完成測驗後，參與者將會收到 NVIDIA DLI 認證證書，證明他們具有相關主題的能力，支援其專業職涯成長。